【译】理解数组在PHP内部的实现（给PHP开发者的PHP源码-第四部分）

欢迎来到”给PHP开发者的PHP源码”系列的第四部分，这一部分我们会谈论PHP数组在内部是如何表示和在代码库里使用的。

为了防止你错过了之前的文章，以下是链接：

第一部分：给PHP开发者的PHP源码-源码结构

第二部分：理解PHP内部函数的定义

第三部分：PHP的变量实现

所有的东西都是哈希表

基本上，PHP里面的所有东西都是哈希表。不仅仅是在下面的PHP数组实现中，它们还用来存储对象属性，方法，函数，变量还有几乎所有东西。

因为哈希表对PHP来说太基础了，因此非常值得深入研究它是如何工作的。

那么，什么是哈希表？

记住，在C里面，数组是内存块，你可以通过下标访问这些内存块。因此，在C里面的数组只能使用整数且有序的键值（那就是说，你不能在键值0之后使用1332423442的键值）。C里面没有关联数组这种东西。

哈希表是这样的东西：它们使用哈希函数转换字符串键值为正常的整型键值。哈希后的结果可以被作为正常的C数组的键值（又名为内存块）。现在的问题是，哈希函数会有冲突，那就是说，多个字符串键值可能会生成一样的哈希值。例如，在PHP，超过64个元素的数组里，字符串”foo”和”oof”拥有一样的哈希值。

这个问题可以通过存储可能冲突的值到链表中，而不是直接将值存储到生成的下标里。

HashTable和Bucket

那么，现在哈希表的基本概念已经清晰了，让我们看看在PHP内部中实现的哈希表结构：

typedef struct _hashtable {     uint nTableSize;     uint nTableMask;     uint nNumOfElements;     ulong nNextFreeElement;     Bucket *pInternalPointer;     Bucket *pListHead;     Bucket *pListTail;     Bucket **arBuckets;     dtor_func_t pDestructor;     zend_bool persistent;     unsigned char nApplyCount;     zend_bool bApplyProtection;      #if ZEND_DEBUG         int inconsistent;      #endif } HashTable;

快速过一下：

nNumOfElements 标识现在存储在数组里面的值的数量。这也是函数 count($array) 返回的值。

nTableSize 表示哈希表的容量。它通常是下一个大于等于 nNumOfElements 的2的幂值。比如，如果数组存储了32元素，那么哈希表也是32大小的容量。但如果再多一个元素添加进来，也就是说，数组现在有33个元素，那么哈希表的容量就被调整为64。这是为了保持哈希表在空间和时间上始终有效。很明显，如果哈希表太小，那么将会有很多的冲突，而且性能也会降低。另一方面，如果哈希表太大，那么浪费内存。2的幂值是一个很好的折中方案。

nTableMask 是哈希表的容量减一。这个mask用来根据当前的表大小调整生成的哈希值。例如，”foo”真正的哈希值（使用DJBX33A哈希函数）是193491849。如果我们现在有64容量的哈希表，我们明显不能使用它作为数组的下标。取而代之的是通过应用哈希表的mask，然后只取哈希表的低位。

hash           |        193491849 |     0b1011100010000111001110001001 & mask         | &             63 | &   0b0000000000000000000000111111 --------------------------------------------------------- = index        | = 9              | =   0b0000000000000000000000001001

nNextFreeElement 是下一个可以使用的数字键值，当你使用$array[] = xyz是被使用到。

pInternalPointer 存储数组当前的位置。这个值在foreach遍历时可使用reset()，current()，key()，next()，prev()和end()函数访问。

pListHead 和 pListTail 标识了数组的第一个和最后一个元素的位置。记住：PHP的数组是有序集合。比如，[‘foo’ => ‘bar’, ‘bar’ => ‘foo’]和[‘bar’ => ‘foo’, ‘foo’ => ‘bar’]这两个数组包含了相同的元素，但却有不同的顺序。

arBuckets 是我们经常谈论的“哈希表（internal C array）”。它用Bucket **来定义，因此它可以被看作数组的bucket指针（我们会马上谈论Bucket是什么）。

pDestructor 是值的析构器。如果一个值从HT中移除，那么这个函数会被调用。常见的析构函数是zval_ptr_dtor。zval_ptr_dtor会减少zval的引用数量，而且，如果它遇到o，它会销毁和释放它。

最后的四个变量对我们来说不是那么重要。所以简单地说persistent标识哈希表可以在多个请求里存活，nApplyCount和bApplyProtection防止多次递归，inconsistent用来捕获在调试模式里哈希表的非法使用。

让我们继续第二个重要的结构：Bucket：

typedef struct bucket {     ulong h;     uint nKeyLength;     void *pData;     void *pDataPtr;     struct bucket *pListNext;     struct bucket *pListLast;     struct bucket *pNext;     struct bucket *pLast;     const char *arKey; } Bucket;

h 是一个哈希值（没有应用mask值映射之前的值）。

arKey 用来保存字符串键值。 nKeyLength 是对应的长度。如果是数字键值，那么这两个变量都不会被使用。

pData 及 pDataPtr 被用来存储真正的值。对PHP数组来说，它的值是一个zval结构体（但它也在其他地方使用到）。不要纠结为什么有两个属性。它们两者的区别是谁负责释放值。

pListNext 和 pListLast 标识数组元素的下一个元素和上一个元素。如果PHP想顺序遍历数组它会从pListHead这个bucket开始（在HashTable结构里面），然后使用pListNext bucket作为遍历指针。在逆序也是一样，从pListTail指针开始，然后使用pListLast指针作为变量指针。（你可以在用户代码里调用end()然后调用prev()函数达到这个效果。）

pNext 和 pLast 生成我上面提到的“可能冲突的值链表”。arBucket数组存储第一个可能值的bucket。如果该bucket没有正确的键值，PHP会查找pNext指向的bucket。它会一直指向后面的bucket直到找到正确的bucket。pLast在逆序中也是一样的原理。

你可以看到，PHP的哈希表实现相当复杂。这是它使用超灵活的数组类型要付出的代价。

哈希表是怎么被使用的？

Zend Engine定义了大量的API函数供哈希表使用。低级的哈希表函数预览可以在 zend_hash.h 文件里面找到。另外Zend Engine在 zend_API.h 文件定义了稍微高级一些的API。

我们没有足够的时间去讲所有的函数，但是我们至少可以查看一些实例函数，看看它是如何工作的。我们将使用 array_fill_keys 作为实例函数。

使用第二部分提到的技巧你可以很容易地找到函数在 ext/standard/array.c 文件里面定义了。现在，让我们来快速查看这个函数。

跟大部分函数一样，函数的顶部有一堆变量的定义，然后调用 zend_parse_parameters 函数：

zval *keys, *val, **entry; HashPosition pos;  if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "az", &keys, &val) == FAILURE) {     return; }

很明显， az 参数说明第一个参数类型是数组（即变量 keys ），第二个参数是任意的zval（即变量 val ）。

解析完参数后，返回数组就被初始化了：

/* Initialize return array */ array_init_size(return_value, zend_hash_num_elements(Z_ARRVAL_P(keys)));

这一行包含了array API里面存在的三步重要的部分：

1、Z_ARRVAL_P宏从zval里面提取值到哈希表。

2、zend_hash_num_elements提取哈希表元素的个数（nNumOfElements属性）。

3、array_init_size使用size变量初始化数组。

因此，这一行使用与键值数组一样大小来初始化数组到 return_value 变量里。

这里的size只是一种优化方案。函数也可以只调用 array_init(return_value) ，这样随着越来越多的元素添加到数组里，PHP就会多次重置数组的大小。通过指定特定的大小，PHP会在一开始就分配正确的内存空间。

数组被初始化并返回后，函数用跟下面大致相同的代码结构，使用while循环变量keys数组：

zend_hash_internal_pointer_reset_ex(Z_ARRVAL_P(keys), &pos); while (zend_hash_get_current_data_ex(Z_ARRVAL_P(keys), (void **)&entry, &pos) == SUCCESS) {     // some code      zend_hash_move_forward_ex(Z_ARRVAL_P(keys), &pos); }

这可以很容易地翻译成PHP代码：

reset($keys); while (null !== $entry = current($keys)) {     // some code      next($keys); }

跟下面的一样：

foreach ($keys as $entry) {     // some code }

唯一不同的是，C的遍历并没有使用内部的数组指针，而使用它自己的pos变量来存储当前的位置。

在循环里面的代码分为两个分支：一个是给数字键值，另一个是其他键值。数字键值的分支只有下面的两行代码：

zval_add_ref(&val); zend_hash_index_update(Z_ARRVAL_P(return_value), Z_LVAL_PP(entry), &val, sizeof(zval *), NULL);

这看起来太直接了：首先值的引用增加了（添加值到哈希表意味着增加另一个指向它的引用），然后值被插入到哈希表中。 zend_hash_index_update 宏的参数分别是，需要更新的哈希表 Z_ARRVAL_P(return_value) ，整型下标 Z_LVAL_PP(entry) ，值 &val ，值的大小 sizeof(zval *) 以及目标指针(这个我们不关注，因此是 NULL ）。

非数字下标的分支就稍微复杂一点：

zval key, *key_ptr = *entry;  if (Z_TYPE_PP(entry) != IS_STRING) {     key = **entry;     zval_copy_ctor(&key);     convert_to_string(&key);     key_ptr = &key; }  zval_add_ref(&val); zend_symtable_update(Z_ARRVAL_P(return_value), Z_STRVAL_P(key_ptr), Z_STRLEN_P(key_ptr) + 1, &val, sizeof(zval *),             NULL);  if (key_ptr != *entry) {     zval_dtor(&key); }

首先，使用 convert_to_string 将键值转换为字符串（除非它已经是字符串了）。在这之前， entry 被复制到新的 key 变量。 key = **entry 这一行实现。另外， zval_copy_ctor 函数会被调用，不然复杂的结构（比如字符串或数组）不会被正确地复制。

上面的复制操作非常有必要，因为要保证类型转换不会改变原来的数组。如果没有copy操作，强制转换不仅仅修改局部的变量，而且也修改了在键值数组中的值（显然，这对用户来说非常意外）。

显然，循环结束之后，复制操作需要再次被移除， zval_dtor(&key) 做的就是这个工作。 zval_ptr_dtor 和 zval_dtor 的不同是 zval_ptr_dtor 只会在 refcount 变量为0时销毁zval变量，而 zval_dtor 会马上销毁它，而不是依赖 refcount 的值。这就为什么你看到 zval_pte_dtor 使用”normal”变量而 zval_dtor 使用临时变量，这些临时变量不会在其他地方使用。而且， zval_ptr_dtor 会在销毁之后释放zval的内容而 zval_dtor 不会。因为我们没有 malloc() 任何东西，因此我们也不需要 free() ，因此在这方面， zval_dtor 做了正确的选择。

现在来看看剩下的两行（重要的两行^^）：

zval_add_ref(&val); zend_symtable_update(Z_ARRVAL_P(return_value), Z_STRVAL_P(key_ptr), Z_STRLEN_P(key_ptr) + 1, &val, sizeof(zval *), NULL);

这跟数字键值分支完成后的操作非常相似。不同的是，现在调用的是 zend_symtable_update 而不是 zend_hash_index_update ，而传递的是键值字符串和它的长度。

符号表

“正常的”插入字符串键值到哈希表的函数是 zend_hash_update ，但这里却使用了 zend_symtable_update 。它们有什么不同呢？

符号表简单地说就是哈希表的特殊的类型，这种类型使用在数组里。它跟原始的哈希表不同的是他如何处理数字型的键值：在符号表里，”123”和123被看作是相同的。因此，如果你在$array[“123”]存储一个值，你可以在后面使用$array[123]获取它。

底层可以使用两种方式实现：要么使用”123”来保存123和”123”，要么使用123来保存这两种键值。显然PHP选择了后者（因为整型比字符串类型更快和占用更少的空间）。

如果你不小心使用”123”而不是强制转换为123后插入数据，你会发现符号表一些有趣的事情。一个利用数组到对象的强制转换如下：

$obj = new stdClass; $obj->{123} = "foo"; $arr = (array) $obj; var_dump($arr[123]); // Undefined offset: 123 var_dump($arr["123"]); // Undefined offset: 123

对象属性总是使用字符串键值来保存，尽管它们是数字。因此 $obj->{123} = 'foo' 这行代码实际上保存’foo’变量到”123”下标里。当使用数组强制转换的时候，这个值不会给改变。但当 $arr[123] 和 $arr["123"] 都想访问123下标的值（不是已有的”123”下标）时，都抛出了错误。因此，恭喜，你创建了一个隐藏的数组元素。

下一部分下一部分会再次在ircmaxell的博客发表。下一篇会介绍对象和类在内部是如何工作的。